Effects of Once-Weekly Semaglutide on Kidney Disease Outcomes by KDIGO Risk Category in the SUSTAIN 6 Trial
Notice bibliographique
Résumé
Introduction Glucagon-like peptide-1 receptor agonists (GLP-1RAs) are recommended by Kidney Disease: Improving Global Outcomes (KDIGO) as risk-based treatment for hyperglycemia, weight management, and cardiovascular (CV) risk reduction in people with type 2 diabetes (T2D) and chronic kidney disease (CKD). The aim of this post hoc analysis was to assess treatment effects of once weekly semaglutide on kidney disease outcomes by KDIGO risk category and on changes in KDIGO risk category, compared with placebo. Methods Participants with T2D and established CV disease or at high CV risk treated with once weekly semaglutide or placebo in SUSTAIN 6 (NCT01720446) were stratified by baseline KDIGO risk category (low [ n = 1596], moderate [ n = 831], high [ n = 445], very high [ n = 366]). Treatment effect was analyzed for a kidney disease composite end point (macroalbuminuria, serum creatinine doubling and estimated glomerular filtration rate [eGFR] < 45 ml/min per 1.73 m 2 , kidney replacement therapy, or death due to kidney disease) from baseline to 2 years. Results The treatment effect of semaglutide versus placebo was consistent across KDIGO categories for the kidney disease composite end point (hazard ratio [95% confidence interval (CI)]: 0.35 [0.07–1.72], 0.42 [0.25–0.72], 0.87 [0.45–1.71], and 0.72 [0.42–1.23] for low, moderate, high, and very high risk categories, respectively; P interaction = 0.28). Participants receiving semaglutide were more likely to move to a lower KDIGO risk category (odds ratio: 1.69; 95% CI: [1.32–2.16]) and less likely to move to a higher KDIGO risk category versus placebo (odds ratio: 0.71; 95% CI: [0.59–0.86]). Conclusion Once weekly semaglutide versus placebo reduced risks of kidney disease end points and improved risk categories irrespective of baseline KDIGO risk.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».